CN115660421A - 一种新能源电力系统的风险早期预警分类方法 - Google Patents
一种新能源电力系统的风险早期预警分类方法 Download PDFInfo
- Publication number
- CN115660421A CN115660421A CN202211322988.4A CN202211322988A CN115660421A CN 115660421 A CN115660421 A CN 115660421A CN 202211322988 A CN202211322988 A CN 202211322988A CN 115660421 A CN115660421 A CN 115660421A
- Authority
- CN
- China
- Prior art keywords
- risk
- power system
- power
- load
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种新能源电力系统的风险早期预警分类方法,包括:获取被评估电力系统的逐小时风速、辐照以及负荷的分布参数,并进行抽样获取多组风速、辐照和负荷序列;根据风速、辐照和负荷序列,通过风电转换模型和光电转换模型计算风电、光伏出力;对电力系统中的元件状态进行抽样,并将风电、光伏接入电网运用蒙特卡洛法进行概率潮流计算,求得电力系统中各节点电压与各支路潮流的分布;计算电力系统的系统运行风险指标与充裕性风险指标;建立各个指标的隶属度函数,确定指标权重,基于模糊综合评价法得到电力系统的综合风险等级。与现有技术相比,本发明能准确地反映出风险的时空分布,并给出电网当前运行状态下所在的安全等级。
Description
技术领域
本发明涉及电网预警技术领域,尤其是涉及一种新能源电力系统的风险早期预警分类方法。
背景技术
目前,越来越多的风电,光伏等新能源接入了电网。新能源的随机性与波动性加剧了新型电力系统运行的不确定性,电力系统的充裕性问题日益突出。气象要素引起的电网事故时有发生。这也警示着应该加强对电网安全问题的研究,及时对电网进行全面的充裕性评估以及运行风险预警,提出一套结合充裕性风险和运行风险的多尺度风险预警模型。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种结合充裕性风险和运行风险的新能源电力系统的风险早期预警分类方法。
本发明的目的可以通过以下技术方案来实现:
一种新能源电力系统的风险早期预警分类方法,包括以下步骤:
获取被评估电力系统的逐小时风速、辐照以及负荷的分布参数,并进行抽样获取多组风速、辐照和负荷序列;
根据所述风速、辐照和负荷序列,通过风电转换模型和光电转换模型计算风电、光伏出力;
对电力系统中的元件状态进行抽样,并将风电、光伏接入电网运用蒙特卡洛法进行概率潮流计算,求得电力系统中各节点电压与各支路潮流的分布;
计算所述电力系统的系统运行风险指标与充裕性风险指标;
建立各个指标的隶属度函数,确定指标权重,基于模糊综合评价法得到电力系统的综合风险等级。
进一步地,所述风电的出力计算表达式为:
式中,Pr为额定功率,vci为切入风速,vr为额定风速,vco为切出风速,A、B、 C为功率特性曲线参数,仅与风机设计参数和风速相关。
进一步地,所述光伏出力的计算表达式为:
Psolar=E×S×η
式中,Psolar为光伏系统的出力,E为光照辐照强度,S为太阳能电池阵列总面积,η为光电转换效率。
进一步地,采用Weibull分布模拟风速的分布;采用贝塔分布来模拟光照辐照强度的分布。
进一步地,对电力系统中的元件状态进行抽样时,各个元件的状态的概率密度函数为:
式中,λq为元件q的故障率;xj=1表示机组处于正常运行状态;xj=0表示机组处于停运状态,p(Xq=xj)为元件q的状态的概率密度函数。
进一步地,运用蒙特卡洛法进行概率潮流计算的过程具体为:
S101:建立潮流计算所需变量的概率模型,所述变量包括电力系统中波动的负荷、发电机的出力、新能源出力波动;
S102:按照输入变量的概率分布函数进行随机抽样,得到多个抽样值;
S103:对每一次抽样的输入随机变量进行确定性潮流计算,得到各潮流响应的输出变量样本;
S104:循环执行步骤S102和S103后,对获取的所有输出变量样本进行统计分析,得到节点电压和支路有功、无功功率的概率分布情况。
进一步地,所述系统运行风险指标包括节点电压越限风险指标和支路潮流越限风险指标,所述节点电压越限风险指标的计算表达式为:
Rv=ratev(i)·Riskv(i)
式中,ratev是由各个节点重要程度系数组成的向量,SevV(Sj)为状态j下母线 i电压越限的严重程度,ωVi定义为母线i的低电压损失值,Vi为母线i在系统故障后的电压,V0为正常情况下母线电压值,Pr(Sj)表示第j个事件状态发生的概率,Rv为当前时刻下系统整体的电压越限风险值;
所述支路潮流越限风险指标的计算表达式为:
RL=rateL(k)·RiskL(k)
式中,RL为当前时刻下系统整体的潮流越限风险值,rateL是由各个节点重要程度系数组成的向量,RiskL(k)为支路k的潮流越限风险指标,SevO(Sj)为状态j下的支路潮流越限严重程度,ωOk为支路k的过负荷损失值,Lk为支路在系统故障后的潮流;L0为正常情况下支路潮流。
进一步地,所述充裕性风险指标包括电力不足概率和电量不足期望,所述电力不足概率的计算表达式为:
式中,LOLP为电力不足概率的大小;若当前电力系统处于状态x时发生了负荷削减,那么可靠性函数FLOLP(x)=1,否则FLOLP(x)=0;
所述电量不足期望的计算表达式为:
式中,EENS为电量不足期望的大小;FEDNS(x)为系统处于状态x时的负荷削减量,T为评估的时间跨度。
进一步地,根据电力系统的系统运行风险指标与充裕性风险指标构成因素论域,将风险预警划分为多个等级,构成评语等级论域,采用隶属函数模型建立模糊关系矩阵和评判因素权向量,最终合成得到模糊综合评价结果。
进一步地,选取梯形分布作为隶属函数模型。
与现有技术相比,本发明具有以下优点:
(1)本发明提出了一套结合充裕性风险和运行风险的多尺度风险预警模型,能准确地反映出风险的时空分布,并给出电网当前运行状态下所在的安全等级,对制定相应的控制策略具有重大意义。
(2)本发明基于模拟法进行概率潮流计算,模拟法中应用最广泛的是基于蒙特卡罗模拟的概率潮流算法。蒙特卡罗法本质就是一种属于概率统计理论学科的数值分析方法。其可以通过计算机来进行随机模拟。在电力系统的潮流分析计算中引入此方法,能够对电力系统中存在的不确定因素进行较为准确全面的描述,从而更加完整真实地反映电力系统复杂多变的运行情况。
附图说明
图1为本发明实施例中提供的一种新能源电力系统的风险早期预警分类方法的流程示意图;
图2为本发明实施例中提供的一种风电机组输出功率特性曲线示意图;
图3为本发明实施例中提供的一种IEEE-RTS79系统接线图;
图4为本发明实施例中提供的一种基于蒙特卡罗模拟法的概率潮流计算流程示意图;
图5为本发明实施例中提供的一种节点22的电压概率密度曲线与累计分布曲线图;
图6为本发明实施例中提供的一种支路12-23有功概率密度函数曲线与累积分布曲线图;
图7为本发明实施例中提供的一种风险预警指标体系框架示意图;
图8为本发明实施例中提供的一种支路潮流越限风险时空分布图;
图9为本发明实施例中提供的一种电压越限风险时空分布图;
图10为本发明实施例中提供的一种充裕性风险图;
图11为本发明实施例中提供的一种各风险因素的隶属度函数图;
图12为本发明实施例中提供的一种各时刻系统预警等级图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
实施例1
如图1所示,本实施例提供一种综合考虑系统充裕性风险与运行风险时空分布的新能源电力系统的风险早期预警分类方法,包括以下步骤:
S1:输入被评估的电力系统逐小时风速、辐照以及负荷的分布参数,并抽样出N组风速、辐照和负荷序列,
S2:运用风电转换模型、光电转换模型计算风电、光伏出力;
S3:对元件状态进行抽样,并将风电、光伏接入电网运用蒙特卡洛法进行概率潮流计算,求得各节点电压与各支路潮流的分布;
S4:通过效用函数进行评价,构建事故后果严重度模型;根据事故发生概率和后果严重度模型进行计算,得到运行风险指标以及系统运行风险的时空分布;
S5:为反映新能源接入带来的不确定性,定义并计算系统的充裕性风险指标;
S6:建立各个指标的隶属度函数,确定指标权重,运用模糊综合评价法得到综合风险等级。
下面对各步骤进行具体描述
1、风光系统随机出力模型
模拟风速的分布模型较多,主要包括皮尔逊分布、瑞利分布和威布尔(Weibull)分布等,但大量的实验数据表明模拟风速时精度较高的是Weibull分布,其概率密度函数f(v)为:
式中s和l分别为Weibull分布的形状参数和尺度参数;f(v)为风速v时的累计概率。
对于单个风电机组,多采用风电机组的功率特性曲线进行建模。风电机组的功率特性曲线是指风电机组的输出功率与风速的关系曲线。图2为一典型的风电机组功率特性曲线,其分段函数表达式为:
式中,Pr为额定功率,vci为切入风速,一般风速达到6到11km/h时,人才有感觉,风向标能够转动,风机叶轮可以启动运转;vr为额定风速,风速在12到30km/h 时,风形成强烈的规律,此时风机可以良好运转;vco为切出风速,风速超过60km/h 时,具有强大的破坏力,因此应设定风速阈值,超出一定风速时,风机应退出运行,保证安全。A、B、C为功率特性曲线参数,仅与风机设计参数和风速相关,表达式为:
太阳能电池阵列将主要太阳能转变成电能,是光伏发电系统的核心,光伏系统的出力大小与光照辐照强度E,太阳能电池阵列总面积S及光电转换效率η”有着直接的关系,其出力模型为:
Psolar=E×S×η (7)
而使用贝塔分布来模拟光照辐照强度,其概率密度函数f(E)为:
式中,Em为E的最大值,λ和μ表示贝塔分布的两个形状参数。
为了简化系统状态模拟,认为运行和停运是元件仅有的两种状态,且元件间的停运状态是相互独立的。元件q的状态Xq的概率密度函数可表示为:
式中:λq为元件q的故障率;xj=1表示机组处于正常运行状态;xj=0表示机组处于停运状态。每个元件的状态可通过随机抽样来确定,即随机产生均匀分布在 [0,1]区间的随机数Rq,若0≤Rq≤λq,则xj=1;若Rq>λq,则xj=0。
2、新能源电力系统概率潮流计算
如图3所示,以IEEE-RTS79标准测试系统作为算例,该测试系统包含32台发电机,38条支路以及24根母线,总装机容量为3405MW,系统负荷为2850MW。在节点5接入200MW光伏,节点6接入200MW风电场。调用Matlab中的 Matpower4.1工具包潮流分析软件进行系统的潮流计算。
本实施例基于模拟法进行概率潮流计算,模拟法中应用最广泛的是基于蒙特卡罗模拟的概率潮流算法。蒙特卡罗法本质就是一种属于概率统计理论学科的数值分析方法。其可以通过计算机来进行随机模拟。在电力系统的潮流分析计算中引入此方法,能够对电力系统中存在的不确定因素进行较为准确全面的描述,从而更加完整真实地反映电力系统复杂多变的运行情况。
蒙特卡罗算法的基本思想是:根据输入变量的概率分布函数对其进行N次随机抽样,进行多次模拟,得到N组输出变量,再对输出变量进行概率统计分析。该算法的核心部分便是抽样,如何抽出能够较为准确代替总体的子样本,是蒙特卡罗模拟法的重中之重。
用蒙特卡罗法进行概率潮流计算的过程如下:
(1)建立潮流计算所需变量的概率模型,比如系统中波动的负荷、发电机的出力、新能源出力波动等的概率模型;
(2)按照输入变量的概率分布函数随机抽样,得到多个抽样值;
(3)确定性潮流计算,即对步骤2中每一次抽样的输入随机变量进行确定性潮流计算,得到节点电压、支路功率等潮流响应的输出变量样本;
(4)在采样N次并全部计算结束后,对步骤3所得输出变量样本进行统计分析,得到节点电压和支路有功、无功功率的概率分布情况。
该算法流程如图4所示。
基于蒙特卡罗模拟法的概率潮流计算可以计及多种输入变量之间的相关性,并可以考虑电网结构的变化,采用非线性潮流方程多次进行确定性潮流计算。当采样规模足够大时,便可以得到准确可靠的结果,得到潮流响应的概率指标。所以蒙特卡罗算法可以作为评判其他算法是否准确的基准。
采用蒙特卡洛模拟法实现概率潮流的计算,求得IEEE-RTS79各个节点的电压、有功无功的概率分布,部分结果如图5、图6所示。
3、风险预警指标体系
本申请从系统运行风险与充裕性风险两方面构建起指标体系,框架如图7所示。
3.1、基于效用理论的运行风险指标
电力系统风险不仅需要考虑事件发生的概率,还需要考虑该事件所产生的后果,本专利通过效用函数来评价每次事件产生的后果。
效用函数u(0≤u≤1)反映决策者对损益期望值ω的偏爱和取舍,u为1时表明决策者对损益期望最偏爱,u为0时表明决策者对损益期望最厌恶。根据电力系统的性质,故障损失越大,不满意程度增加的速度越快,这体现了系统运行人员对事件后果的心理承受能力。一般选择趋向型的指数效用函数来构建事件后果严重度模型,具体形式如下:
式中,a、b、c为待定系数,考虑模型简化程度,本专利取a=1,b=0,c= 1。根据式(2),可以对系统中的某一条母线分别构建失负荷严重度模型、过负荷严重度模型和电压越限严重度模型。
(a)节点电压越限风险
电压越限风险指标反映的是系统线路电压高于或低于额定值的可能性和严重程度。定义状态j下母线i电压越限的严重程度为
式中,ωVi定义为母线i的低电压损失值,具体为
式中,Vi为母线i在系统故障后的电压;V0为正常情况下母线电压值。根据事件发生概率和后果严重度模型,节点i的电压越限风险指标可表示为:
式中,Pr(Sj)表示第j个事件状态发生的概率;该时刻下系统整体的电压越限风险值Rv表示为:
Rv=ratev(i)·Riskv(i) (14)
式中,ratev是由各个节点重要程度系数组成的向量
(b)支路潮流越限风险
当线路输送功率超过其最大容量限值时会发生线路过载,造成设备的损坏,部分用户失负荷,在严重情况下将导致电力系统解列甚至崩溃,带来巨大的经济损失和社会影响。将状态j下的支路潮流越限严重程度表示为
式中,ωOk为支路k的过负荷损失值,
式中,Lk为支路在系统故障后的潮流;L0为正常情况下支路潮流。根据事件发生概率和后果严重度模型,支路k的潮流越限风险指标可表示为:
该时刻下系统整体的潮流越限风险值RL表示为:
RL=rateL(k)·RiskL(k) (18)
式中,rateL是由各个节点重要程度系数组成的向量。
3.2、充裕性风险指标
本实施例选用电力不足概率(Loss of Load Probability,LOLP)和电量不足期望(Expected Energy not Supplied,EENS)两个指标来表征系统的充裕性风险。
1)电力不足概率
电力不足概率(Loss of Load Probability,LOLP),描述的是在评估期间发生负荷削减(即电力不足)的可能性大小,可以表示为:
式中:LOLP为LOLP的大小;若当前电力系统处于状态x时发生了负荷削减,那么可靠性函数FLOLP(x)=1,否则FLOLP(x)=0。
2)电量不足期望
电量不足期望(Expected Energy not Supplied,EENS),又可以叫做期望缺供电量,用来描述评估期间电力系统由于负荷削减而损失的电量。
式中:EENS为EENS的大小;FEDNS(x)为系统处于状态x时的负荷削减量。T为评估的时间跨度。
3.3、算例分析
在潮流计算的基础上进一步计算系统的充裕性风险与系统运行风险。系统的潮流越限风险时空分布以及电压越限时空分布图如图8、图9所示。
从图8-图10可以看出,在节点5和节点6接入光伏与风电场后,系统的不确定性与波动性明显增加,支路潮流越限风险值和电压越限风险值有了明显的增加。
4、基于模糊理论的电网安全分级方法
4.1、模糊综合评价法
模糊综合评价法是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决,其具体的步骤为:
(1)确定被评判对象的因素论域U,U=(u1,u2,L un);本专利选取电压越限风险,潮流越限风险,电力不足概率,电量不足期望四个评价指标,故构成的因素论域U=(Rv,RL,LOLP,EENS);
(2)确定评语等级论域V,V=(v1,v2,L,vn)。在本专利将风险预警分为四个等级,设置评语为V=(Ⅰ级,Ⅱ级,Ⅲ级,Ⅳ级);
(4)确定评判因素权向量A=(a1,a2,a3,a4),A是U中各因素对被评事物的隶属关系,它取决于人们进行模糊综合评判时的着眼点,即根据评判时各因素的重要性分配权重;
(5)选择评价的合成算子,将A与R合成得到B=(b1,b2,b3,b4)。
(6)对模糊综合评价结果B作分析处理。
4.2、隶属度函数
在模糊综合评价的第三步进行单因素评判时,需要借助隶属度函数。模糊数学的基本思想是隶属度的思想,设在论域上给定了一个映射:
A:U→[0,1] (22)
u→A(u) (23)
称A为U上的模糊集,A(u)称为的隶属函数。隶属值越大,元素属于集合A 的可能性越大。隶属函数的确定,无论从理论上还是实践上都是模糊数学应用的基本且关键的问题。如何合情合理地建立符合客观实际的隶属度函数是模糊数学方法应用的难点。常用的隶属度函数如表1所示:
表1常用隶属度函数类型表
确定隶属函数的过程,本质上是客观的,但又允许有一定的人为技巧。因取值标准不唯一,针对同样的样本,建立的隶属函数模型必定不唯一。但只要能合理表示样本对模糊集的隶属度,达到预期效果即可,本实施例选择梯形分布作为隶属函数模型。根据建立的风险指标体系,结合梯形模糊分布,将各项风险值分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级,各风险因素的隶属度函数如图11所示:
将上述风险计算结果带入到隶属度函数中,通过模糊综合评价对风险值进行等级划分,Ⅰ、Ⅱ、Ⅲ、Ⅳ级分别对应于四种颜色。某典型日24小时的风险预警等级如图12所示。
从图12可以看出,由于新能源出力的波动,系统的状态在一天中也存在着变化,例如,上午10时Ⅰ级预警的概率为100%,属于正常运行状态,而上午8时Ⅱ级预警的概率为40%,Ⅳ级预警概率为30%,应当采取相应措施来应对风险。采用模糊集的理论表征出的系统安全状态,其结果是一个矢量,而不是一个点值,包含的信息比较丰富。有利于让调度运行人员迅速明了的掌握系统所处的安全状态,以便制定相应的安全策略。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种新能源电力系统的风险早期预警分类方法,其特征在于,包括以下步骤:
获取被评估电力系统的逐小时风速、辐照以及负荷的分布参数,并进行抽样获取多组风速、辐照和负荷序列;
根据所述风速、辐照和负荷序列,通过风电转换模型和光电转换模型计算风电、光伏出力;
对电力系统中的元件状态进行抽样,并将风电、光伏接入电网运用蒙特卡洛法进行概率潮流计算,求得电力系统中各节点电压与各支路潮流的分布;
计算所述电力系统的系统运行风险指标与充裕性风险指标;
建立各个指标的隶属度函数,确定指标权重,基于模糊综合评价法得到电力系统的综合风险等级。
3.根据权利要求1所述的一种新能源电力系统的风险早期预警分类方法,其特征在于,所述光伏出力的计算表达式为:
Psolar=E×S×η
式中,Psolar为光伏系统的出力,E为光照辐照强度,S为太阳能电池阵列总面积,η为光电转换效率。
4.根据权利要求1所述的一种新能源电力系统的风险早期预警分类方法,其特征在于,采用Weibull分布模拟风速的分布;采用贝塔分布来模拟光照辐照强度的分布。
6.根据权利要求1所述的一种新能源电力系统的风险早期预警分类方法,其特征在于,运用蒙特卡洛法进行概率潮流计算的过程具体为:
S101:建立潮流计算所需变量的概率模型,所述变量包括电力系统中波动的负荷、发电机的出力、新能源出力波动;
S102:按照输入变量的概率分布函数进行随机抽样,得到多个抽样值;
S103:对每一次抽样的输入随机变量进行确定性潮流计算,得到各潮流响应的输出变量样本;
S104:循环执行步骤S102和S103后,对获取的所有输出变量样本进行统计分析,得到节点电压和支路有功、无功功率的概率分布情况。
7.根据权利要求1所述的一种新能源电力系统的风险早期预警分类方法,其特征在于,所述系统运行风险指标包括节点电压越限风险指标和支路潮流越限风险指标,所述节点电压越限风险指标的计算表达式为:
Rv=ratev(i)·Riskv(i)
式中,ratev是由各个节点重要程度系数组成的向量,SevV(Sj)为状态j下母线i电压越限的严重程度,ωVi定义为母线i的低电压损失值,Vi为母线i在系统故障后的电压,V0为正常情况下母线电压值,Pr(Sj)表示第j个事件状态发生的概率,Rv为当前时刻下系统整体的电压越限风险值;
所述支路潮流越限风险指标的计算表达式为:
RL=rateL(k)·RiskL(k)
式中,RL为当前时刻下系统整体的潮流越限风险值,rateL是由各个节点重要程度系数组成的向量,RiskL(k)为支路k的潮流越限风险指标,SevO(Sj)为状态j下的支路潮流越限严重程度,ωOk为支路k的过负荷损失值,Lk为支路在系统故障后的潮流;L0为正常情况下支路潮流。
9.根据权利要求1所述的一种新能源电力系统的风险早期预警分类方法,其特征在于,根据电力系统的系统运行风险指标与充裕性风险指标构成因素论域,将风险预警划分为多个等级,构成评语等级论域,采用隶属函数模型建立模糊关系矩阵和评判因素权向量,最终合成得到模糊综合评价结果。
10.根据权利要求1所述的一种新能源电力系统的风险早期预警分类方法,其特征在于,选取梯形分布作为隶属函数模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211322988.4A CN115660421A (zh) | 2022-10-27 | 2022-10-27 | 一种新能源电力系统的风险早期预警分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211322988.4A CN115660421A (zh) | 2022-10-27 | 2022-10-27 | 一种新能源电力系统的风险早期预警分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115660421A true CN115660421A (zh) | 2023-01-31 |
Family
ID=84990695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211322988.4A Pending CN115660421A (zh) | 2022-10-27 | 2022-10-27 | 一种新能源电力系统的风险早期预警分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660421A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117076898A (zh) * | 2023-08-22 | 2023-11-17 | 深圳市飞亚达科技发展有限公司 | 光电转换方法、装置、设备及存储介质 |
-
2022
- 2022-10-27 CN CN202211322988.4A patent/CN115660421A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117076898A (zh) * | 2023-08-22 | 2023-11-17 | 深圳市飞亚达科技发展有限公司 | 光电转换方法、装置、设备及存储介质 |
CN117076898B (zh) * | 2023-08-22 | 2024-04-23 | 深圳市飞亚达科技发展有限公司 | 光电转换方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107732970B (zh) | 一种新能源并网电力系统的静态安全概率评估方法 | |
Mosadeghy et al. | A time-dependent approach to evaluate capacity value of wind and solar PV generation | |
CN111628499A (zh) | 一种计及多风险因素的配电网新能源消纳能力评估的方法 | |
CN113141008B (zh) | 一种数据驱动的配电网分布式新能源消纳能力评估方法 | |
CN107730111A (zh) | 一种考虑用户负荷和新能源接入的配网电压风险评估模型 | |
CN112884008B (zh) | 一种电力信息采集系统运行状态的预测评估方法及装置 | |
McHugh et al. | Forecasting day-ahead electricity prices with a SARIMAX model | |
Cortes-Robles et al. | Fast-training feedforward neural network for multi-scale power quality monitoring in power systems with distributed generation sources | |
Mo et al. | Impact of aging and performance degradation on the operational costs of distributed generation systems | |
CN106768933A (zh) | 一种基于遗传算法的风电机组叶片故障诊断方法 | |
CN116842337A (zh) | 基于LightGBM优选特征与COA-CNN模型的变压器故障诊断方法 | |
CN115660421A (zh) | 一种新能源电力系统的风险早期预警分类方法 | |
Zhu et al. | Real-time cascading failure risk evaluation with high penetration of renewable energy based on a graph convolutional network | |
CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
Zhang et al. | Data-driven risk assessment early-warning model for power system transmission congestions | |
CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 | |
CN114548762A (zh) | 基于时空图神经网络的电力系统连锁故障风险实时评估方法及系统 | |
Li et al. | Study on Multi-source Data-Driven Static Security Risk Assessment of Power Grids | |
Amjady | Generation adequacy assessment of power systems by time series and fuzzy neural network | |
CN113591224A (zh) | 一种城市电网连锁故障风险评估方法及系统 | |
Wang et al. | An alternative method for estimating wind-power capacity credit based on reliability evaluation using intelligent search | |
Xiong et al. | Research on Health Condition Assessment Method for Spacecraft Power Control System Based on SVM and Cloud Model | |
Li et al. | Research on Risk Early Waring Classification Method of New Energy Access to Power System | |
Skjævesland et al. | Quantifying the Impact of Integrating Wind Power on Composite Power System Reliability | |
CN113408132B (zh) | 一种计及随机性故障场景的区域自治电网可靠性评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |